Сезонность сектора информационных технологий США

Прежде чем вкладывать свои средства в какой-либо инструмент фондового рынка инвестор задается рядом вопросов, такими как:

• Какова ожидаемая доходность?
• Каковы возможные риски?
• Каковы перспективы роста отрасли/сектора экономики?
• Когда лучше купить, а в последствии продать финансовый инструмент?

Рассмотрим поставленные вопросы в новой серии наших исследований, в которых изучим сезонные закономерности изменения стоимости финансовых инструментов в целом по отдельным секторам фондового рынка США.

Какие же сектора экономики США существуют и сколько их?

Отвечает на этот вопрос глобальный стандарт классификации отраслей экономики, разработанный компаниями Standard & Poor’s и Morgan Stanley Capital International.

Стандарт отражает современную структуру фондового рынка США и выделяет 11 секторов, представленных индексом S&P 500:

• Потребительские товары вторичной необходимости (S&P 500 Consumer Discretionary);
• Потребительские товары первой необходимости (S&P 500 Consumer Staples);
• Энергетика (S&P 500 Energy);
• Финансы (S&P 500 Financials);
• Здравоохранение (S&P 500 Health Care);
• Промышленность (S&P 500 Industrials);
• Информационные технологии (S&P 500 Information Technology);
• Материалы (S&P 500 Materials);
• Недвижимость (S&P 500 Real Estate);
• Коммуникационные услуги (S&P 500 Telecom Services);
• Коммунальные услуги (S&P 500 Utilities).

Структура индекса S&P 500 по состоянию на 30 сентября 2021 года на представлена в диаграмме:

И сегодня мы выявим сезонные тенденции индекса самого крупного по капитализации сектора экономики США – сектора информационных технологий, а также исследуем торговый сигнал, основанный на сезонных закономерностях индекса.

Индекс сектора информационных технологий – S&P 500 Information Technology – включает в себя 71 компанию, крупнейшие из которых известны всему миру:

• Apple
• Microsoft
• Nvidia
• Visa
• Mastercard

Для выявления наличия сезонности будем использовать следующие критерии:

1) Доля случаев положительных либо отрицательных месячных изменений за рассматриваемый период больше 53%.

2) Отношение среднего значения положительных месячных изменений к среднему значению отрицательных месячных изменений:

• больше 1, когда доля положительных месячных изменений больше 53 % (см. пункт 1);
• меньше 1, когда доля отрицательных месячных изменений больше 53 % (см. пункт 1).

3) Линейный тренд распределения месячных изменений за последние 10 лет:

• восходящий, когда доля положительных месячных изменений больше 53 % (см. пункт 1);
• нисходящий, когда доля отрицательных месячных изменений больше 53 % (см. пункт 1).

В случае удовлетворения всем трем условиям будем говорить о наличии сезонности в ценовых изменениях финансового инструмента.

Участок исторических данных с 1989 по 2010 год будет являться базовым периодом, на котором мы будем выявлять сезонные закономерности изменения стоимости.

Если такие закономерности будут выявлены, то они будут использованы как сигналы на покупку или продажу уже на тестируемом участке истории с 2011 по 2021 годы.

Таким образом, мы проверим эффективность выявленных торговых сигналов, основанных на сезонных закономерностях.

Анализ результатов

Сезонные изменения индекса S&P 500 Information Technology (изменения цен за месяц, в %)

Пояснение к итоговым строкам:

1) В первой строке доля случаев положительных изменений рассчитывалась исходя из анализа месячных изменений цен. На примере января это выглядит так: мы берем все месяцы «январь» за 22 года, получаем 21. Из этих 21 месяцев рост цен был отмечен по итогу 11 месяцев. То есть доля случаев роста составила 52%.

2) Во второй строке мы сопоставляем среднее значение всех положительных месячных изменений со средним значением отрицательных изменений.

• Если полученное значение больше 1, то в месяцы роста цена проходит большее количество пунктов, чем в месяцы снижений.
• Если полученное значение меньше 1, то в месяцы снижения цена проходит большее количество пунктов, чем в месяцы роста. В случае месяца «январь» значение меньше 1.

Итак, шесть месяцев (март, апрель, сентябрь, октябрь, ноябрь и декабрь) соответствуют двум из трех критериев выраженной сезонности.

Проверим теперь эти месяцы по третьему критерию – направлению линейного тренда распределения месячных изменений за 2000-2010 годы:

Итак, линейный тренд мартовских, апрельских и ноябрьских изменений за 10 лет направлен вверх, что удовлетворяет последнему критерию выявления сезонности.

10-летний тренд изменений сентября, октября и декабря направлен вниз, что опровергает предположение о сезонной тенденции роста цен.

Таким образом, с определенной уверенностью мы можем говорить о том, что индекс сектора информационных технологий расположен к росту в марте, апреле и ноябре.

Именно эти сезонные закономерности мы будем использовать в качестве торгового сигнала для теста на проверяемой выборке исторических данных с 2011 по 2021 годы.

Торговый сигнал будем оценивать по следующим критериям:

• Доходность отражает относительное изменение котировок финансовых инструментов, в процентах. Положительное значение доходности говорит о прибыльности стратегии, отрицательное – об убыточности.

Доходность (D) финансового инструмента рассчитывается по формуле:

D = Σ P (%) / n,

где:

n – количество сделок;

P (%) – процент изменения котировки финансового инструмента на момент фиксации позиции, рассчитывается следующим образом:

для позиций на покупку

P (%) = (цена закрытия позиции – цена открытия позиции) / цена открытия позиции*100%

для позиций на продажу

P (%) = (цена открытия позиции – цена закрытия позиции) / цена открытия позиции*100%

• Средняя доходность прибыльных сделок (Dp) включает в себя доходность только прибыльных сделок, в процентах:

Dp = Σ D(+) / n,

где:

n – количество прибыльных сделок;

D(+) – доходность прибыльных сделок.

• Средняя просадка (AD) отражает средние потери при закрытии убыточных сделок за весь период торговли, в процентах. Чем меньше значение средней просадки, тем меньше убытки, и тем лучше работает торговый сигнал.

AD = | Σ D(-) / n |

где:

n – количество убыточных сделок;

D(-) – доходность убыточных сделок.

• Максимальная доходность (MaxD) – это максимальная из прибылей при закрытии успешных сделок за весь период торговли, в процентах. Чем больше значение максимальной доходности, тем лучше работает торговый сигнал.

MaxD = max (D)

• Максимальная просадка (MD) – это максимальный из убытков при закрытии неудачных сделок за весь период торговли, в процентах (минимальная доходность). Чем меньше значение максимальной просадки, тем лучше работает торговый сигнал.

MD = | min (D) |

• Доля прибыльных позиций (ДПП) – показывает долю прибыльных торговых позиций от общего числа позиций, в процентах. Чем выше ДПП, тем чаще совершаются прибыльные сделки.

ДПП = количество прибыльных позиций / количество всех позиций * 100

Результаты стратегии покупки индекса сектора информационных технологий (S&P 500 Information Technology) в начале месяцев – март, апрель, ноябрь и его продажи в конце этих месяцев представлены в диаграммах:

Итак, доходность покупок индекса S&P 500 Information Technology в начале марта и его продажи в конце месяца составила 0,7% при средних доходности прибыльных сделок и просадке 3,8% и 4,7%, максимальных доходности и просадке 9,1% и 8,7% соответственно.

Для апрельских покупок доходность составила 2,4% при средних доходности прибыльных сделок и просадке 3,8% и 3,7%, максимальных доходности и просадке 13,7% и 5,5% соответственно.

Для покупок в ноябре доходность составила 2,2% при средних доходности прибыльных сделок и просадке 3,8% и 1,5%, максимальных доходности и просадке 11,3% и 2,1% соответственно.

Доля прибыльных позиций покупок в марте составила 63,6%, в апреле - 81,8%, в ноябре - 70%.

Подробные результаты представлены в приложении:

XLSX (0.21 MB)Application to the article 'Seasonality of the US Information Technology sector'.xlsx

Смотрите также:

Сезонность сектора здравоохранения США

Сезонность сектора товаров вторичной необходимости США

Сезонность промышленного сектора США

Сезонность сектора товаров первой необходимости США

Сезонность финансового сектора США

Сезонность сектора материалов США

Сезонность сектора энергетики США

Сезонность сектора коммунальных услуг США

Сезонность сектора недвижимости США

Сезонность сектора коммуникационных услуг США

Итоги: сезонность широкого фондового рынка США